La leçon précédente sur {gt} se concentrait
principalement sur les composants de la table, sa structure et comment
la manipuler correctement. Cette leçon, qui présente la deuxième partie
de la série {gt}, se focalisera sur l’utilisation du
package pour peaufiner, styliser et personnaliser les effets visuels des
tables d’une manière qui améliore la qualité et l’efficacité de vos
rapports.
Allons-y.
Utilisation de Thèmes Prédéfinis avec la Fonction
opt_stylize: Comprendre comment appliquer des
styles et des thèmes de couleurs prédéfinis aux tableaux en utilisant la
fonction opt_stylize. Explorer diverses options de style, y
compris le choix du numéro de style et de la couleur, pour renforcer
l’attrait visuel des tableaux
Formatage des Valeurs dans le tableau avec la Fonction
data_color: Apprendre à distinguer visuellement
les valeurs dans des colonnes spécifiques en utilisant la fonction
data_color. Cette technique est utile dans les grands
tableaux pour mettre en évidence les données importantes.
Formatage Conditionnel Utilisant la Fonction
tab_style: Maîtriser le concept de formatage
conditionnel dans les tableaux. Apprendre à appliquer des styles aux
cellules en fonction de leurs valeurs lorsqu’elles atteignent un certain
seuil.
Amélioration du Texte du tableau avec des Polices et des
Couleurs: Explorer la personnalisation du texte du tableau en
utilisant la fonction gt::tab_style(). Apprendre à
appliquer différentes polices et couleurs aux titres des tableaux,
sous-titres et autres éléments textuels pour une présentation plus
attrayante visuellement.
Ajout de Bordures avec les Fonctions
tab_style et cell_borders: Acquérir
des compétences dans le tracé de bordures dans les tableaux pour
souligner des zones spécifiques. Comprendre comment utiliser
tab_style en conjonction avec cell_borders
pour ajouter des lignes verticales et horizontales de différentes
couleurs et épaisseurs.
À la fin de cette leçon, vous aurez les compétences pour styliser
artistiquement vos tableaux {gt} selon vos
préférences spécifiques, atteignant un niveau de détail similaire à ceci
:
Dans cette leçon, nous utiliserons les packages suivants :
{gt} : pour créer nos tableaux.
{dplyr}, {tidyr} et
{purrr} : pour manipuler les données et automatiser les
fonctions.
{janitor} : pour un nettoyage rapide des noms de
données.
{Paletteer}, {ggsci} : pour appeler des
palettes prédéfinies.
::: recap Dans la leçon précédente sur {gt}, nous avons
eu l’opportunité de :
Découvrir les données de prévalence du VIH au Malawi.
Découvrir la grammaire des tableaux et le package
{gt}.
Créer un tableau simple.
Ajouter des détails comme un titre et une note de bas de page au tableau.
Regrouper des colonnes dans des en-têtes de groupe.
Créer des lignes récapitulatives.
Dans cette leçon, nous utiliserons les mêmes données que dans la leçon précédente. Vous pouvez revenir en arrière pour une description détaillée des données et du processus de préparation que nous avons effectué.
Voici les détails complets des colonnes que nous utiliserons :
region : La région géographique ou la zone où les
données ont été collectées ou sont analysées.
period : Une période spécifique associée aux
données, souvent utilisée pour l’analyse temporelle.
previous_negative : Le nombre d’individus avec un
résultat de test négatif précédent.
previous_positive : Le nombre d’individus avec un
résultat de test positif précédent.
new_negative : Le nombre de nouveaux cas
diagnostiqués avec un résultat négatif.
new_positive : Le nombre de nouveaux cas
diagnostiqués avec un résultat positif.
Mais pour les besoins de cette leçon, nous utiliserons directement les tableaux, ceci est le tableau que nous avons créé avec les bons en-têtes de colonnes et étiquettes, nous baserons le reste de notre leçon sur celui-ci en particulier.
hiv_malawi_summary <- read_rds(here::here("data/clean/malawi_hiv_summary_l2_t11.rds"))
hiv_malawi_summary| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Puisque l’objectif de cette leçon est principalement le style,
commençons par utiliser un thème prédéfini pour ajouter plus de visuels
et de couleurs au tableau et à ses composants. Pour ce faire, nous
utilisons la fonction opt_stylize. La fonction contient
plusieurs styles prédéfinis et peut également accepter une couleur. Dans
notre cas, nous avons choisi d’aller avec le style numéro 6 et la
couleur ‘gris’, mais vous pouvez régler ces arguments selon vos
préférences.
t1 <- hiv_malawi_summary %>%
opt_stylize(
style = 1,
color = 'cyan'
) %>%
tab_options(
stub.background.color = '#F4F4F4',
)
t1| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Pour des thèmes et un style plus sophistiqués, vous pouvez vous
référer à la fonction tab_options (documentation ici)
qui est essentiellement l’équivalent de la fonction theme
dans ggplot2. Cette fonction contient des arguments et des
options sur chaque couche et composant du tableau. Pour les besoins de
cette leçon, nous n’irons pas plus loin dans ce domaine.
Ne serait-il pas utile de visualiser en couleurs la différence entre
les valeurs dans une colonne spécifique ? Dans de nombreux rapports, ce
genre de tableaux est très utile, surtout si le nombre de lignes est
assez grand. Faisons cela pour notre tableau de sorte que la colonne
new_positive soit formatée en rouge.
Nous pouvons le faire au moyen de la fonction data_color
pour laquelle nous devons spécifier deux arguments, columns
(c’est-à-dire dans quelle colonne ce style sera appliqué ?) et
palette comme la palette de couleurs que nous avons
l’intention d’utiliser.
t2 <- t1 %>%
data_color(
columns = new_positive, # la colonne ou les colonnes comme nous le verrons plus tard
palette = "ggsci::red_material" # la palette du package ggsci.
)
t2| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
ggsci::red_material n’est pas la seule palette que nous
pouvons utiliser, en fait, il y a des centaines de palettes conçues pour
être utilisées dans R. Vous pouvez en trouver beaucoup plus dans le
package paletteer dans la documentation ici,
ou dans la documentation officielle data_color ici.
Nous pouvons également faire cela pour la colonne
previous_negative. Nous pouvons utiliser un type différent
de palette, j’utilise pour ce cas la palette verte du même package : ggsci::green_material,
la palette que vous choisissez est une question de commodité et de goût
personnel, vous pouvez en savoir plus à ce sujet si vous vous référez à
la note latérale ci-dessus.
| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
De même, nous pouvons également colorer plusieurs colonnes à la fois,
par exemple nous pouvons styliser les colonnes avec des cas positifs en
rouge et celles avec des cas négatifs en vert. Pour ce faire, nous
devons écrire deux instructions data_color, une
pour chaque style de couleur :
t4 <- t1 %>%
data_color(
columns = ends_with("positive"), # sélectionnant les colonnes se terminant par le mot positif
palette = "ggsci::red_material" # palette rouge
) %>%
data_color(
columns = ends_with("negative"), # sélectionnant les colonnes se terminant par le mot négatif
palette = "ggsci::green_material" # palette verte
)
t4| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Rappelez-vous que dans la leçon précédente nous avons utilisé les
fonctions tidyselect
pour sélectionner les colonnes, dans le code ci-dessus nous avons
utilisé la fonction ends_with pour sélectionner les
colonnes se terminant soit par le mot ‘négatif’ soit par ‘positif’, ce
qui est parfait pour l’objectif de notre tableau.
Encore une fois, les étiquettes des colonnes dans le tableau
{gt} et les noms réels des colonnes dans le
data.frame peuvent être différents, dans notre cas nous
nous référons aux noms dans les données.
Nous pouvons également configurer la table pour changer
conditionnellement le style d’une cellule en fonction de sa valeur. Dans
notre cas, nous souhaitons mettre en évidence les valeurs de la colonne
previous_positive selon un seuil (la valeur 15700). Les
valeurs supérieures ou égales au seuil doivent être en vert.
Pour ce faire, nous utilisons la fonction tab_style où
nous spécifions deux arguments :
style : où nous spécifions la couleur dans la
fonction cell_text puisque nous avons l’intention de
manipuler le texte à l’intérieur des cellules.
location : où nous spécifions les colonnes et les
lignes de notre manipulation dans cells_body puisque ces
cellules sont dans le corps principal du tableau.
Utilisons le tableau t2 comme exemple :
t5 <- t2 %>%
tab_style(
style = cell_text(
color = "red",
),
locations = cells_body(
columns = previous_positive,
rows = previous_positive >= 15700
)
)
t5 | HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Dans le code ci-dessus, la condition sur laquelle le style sera appliqué est énoncée dans :
locations = cells_body(columns = previous_positive, rows = previous_positive >= 15700 )
Notez également que nous pouvons passer plus d’arguments à la
fonction cell_text, tels que la taille et la police des
cellules que nous avons l’intention de styler.
Que faire si nous voulons avoir une condition à double sens sur le même seuil ? Peut-on avoir des cellules avec des valeurs supérieures ou égales au seuil stylisées en vert, et simultanément d’autres cellules avec des valeurs inférieures au seuil stylisées en… cyan ?
Nous le pouvons absolument, nous avons déjà fait la première partie
(dans le morceau de code précédent), nous devons juste ajouter une
seconde condition de manière similaire mais dans une déclaration
tab_style différente :
t6 <- t5 %>%
tab_style(
style = cell_text(
color = 'cyan'
),
location = cells_body(
columns = 'previous_positive',
rows = previous_positive < 15700
)
)
t6| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Question 1 : Mise en forme conditionnelle Pour
mettre en évidence (en jaune) les lignes dans un tableau
{gt} où la colonne “hiv_positive” dépasse
1 000, quel extrait de code R devriez-vous utiliser ?
data %>%
gt() %>%
tab_style(
style = cells_body(),
columns = "Sales",
conditions = style_number(Sales > 1000, background = "yellow")
)data %>%
gt() %>%
tab_style(
style = cells_data(columns = "Sales"),
conditions = style_number(Sales > 1000, background = "yellow")
)data %>%
gt() %>%
tab_style(
style = cell_fill(
color = "yellow"
),
locations = cells_body(
columns = "hiv_positive",
rows = hiv_positive > 1000
)
) data %>%
gt() %>%
tab_style(
style = cells_data(columns = "Sales"),
conditions = style_text(Sales > 1000, background = "yellow")
)Question 2 : Coloration des cellules
En utilisant le jeu de données
hiv_malawi, créez un tableau
{gt} qui affiche le total
(somme) des cas “new_positive”
pour chaque “region”. Mettez en évidence les
cellules avec des valeurs de plus de 50 cas en rouge et les
cellules avec des valeurs inférieures ou égales à 50 en vert.
Complétez les parties manquantes (________) de ce code pour y
parvenir.
# Calculez le résumé de total_new_pos```{r eval=FALSE, echo=TRUE}
# Calculez le résumé de total_new_pos
total_summary <- hiv_malawi %>%
group_by(_________) %>%
summarize(total_new_positive = __________)
# Créez un tableau gt et appliquez la coloration des cellules
summary_table <- total_summary %>%
gt() %>%
tab_style(
style = cell_fill(color = "red"),
locations = _________(
columns = "new_positive",
rows = _________________
)
) %>%
tab_style(
style = ___________________,
locations = cells_body(
columns = "new_positive",
_______ new_positive <= 50
)
)Maintenant, nous allons améliorer l’attrait visuel du texte de notre
tableau. Pour ce faire, nous utiliserons à nouveau la fonction
gt::tab_style().
Modifions la police et la couleur du titre et du sous-titre. Nous
sélectionnerons la police Yanone Kaffeesatz de Google
Fonts, une ressource offrant un vaste choix de polices qui peuvent
ajouter une touche unique à votre tableau, au-delà des options standard
d’Excel.
Pour appliquer ces changements, nous configurerons la fonction
gt::tab_style() comme suit :
L’argument style est assigné à la fonction
cell_text(), qui contient deux autres arguments :
font est assigné à la fonction
google_font() avec le nom de notre police choisie.
color est défini sur un code couleur hexadécimal qui
correspond à la couleur de texte désirée.
L’argument locations est assigné à la fonction
cells_title() :
title et subtitle dans
l’argument groups en utilisant la notation vectorielle
c(…).Pour modifier spécifiquement le titre ou le sous-titre, vous pouvez
utiliser locations = cells_title(groups = "title") ou
locations = cells_title(groups = "subtitle"),
respectivement, sans avoir besoin de c(…).
Utiliser des listes pour passer des arguments dans gt : Les listes en R sont une partie intégrante du langage et sont extrêmement polyvalentes. Une liste peut contenir des éléments de différents types (nombres, chaînes, vecteurs, et même d’autres listes) et chaque élément peut être accédé par son indice. Dans le contexte de notre tableau {gt}, nous utilisons des listes pour regrouper ensemble des propriétés de style (avec l’argument style) et pour spécifier plusieurs emplacements dans le tableau où ces styles doivent être appliqués (avec l’argument locations).
Utiliser des Codes Couleurs Hexadécimaux : Les couleurs dans de nombreux langages de programmation, y compris R, peuvent être spécifiées à l’aide de codes couleurs hexadécimaux. Ces codes commencent par un symbole dièse (#) et sont suivis de six chiffres hexadécimaux. Les deux premiers chiffres représentent la composante rouge, les deux suivants la composante verte, et les deux derniers la composante bleue. Ainsi, lorsque nous définissons color = “#00353f”, nous spécifions une couleur qui n’a pas de rouge, un peu de vert, et une bonne quantité de bleu, ce qui résulte en une couleur bleu profond. Cela nous permet de contrôler précisément les couleurs que nous utilisons dans nos tableaux.
t7 <- t4 %>%
tab_style(
style = cell_text(
font = google_font(name = 'Yanone Kaffeesatz'),
color = "#00353f"
),
locations = cells_title(groups = c("title", "subtitle"))
)
t7| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Nous pouvons étendre notre personnalisation pour inclure les
étiquettes des colonnes, des en-têtes de groupe et des lignes d’attente,
ainsi que la note source. Dans l’argument locations, nous
fournirons une liste indiquant les emplacements spécifiques pour ces
changements. Pour une compréhension complète des emplacements, veuillez
vous référer à l’Annexe (Liste 1).
t8 <- t7 %>%
tab_style(
style = list(
cell_text(
font = google_font(name = "Montserrat"),
color = "#00353f"
)
),
locations = list(
cells_column_labels(columns = everything()), # sélectionner chaque colonne
cells_column_spanners(spanners = everything()), # sélectionner tous les en-têtes de groupe
cells_source_notes(),
cells_stub()
)
)
t8| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Si vous souhaitez changer la couleur de fond du titre, vous pouvez le
faire en ajustant l’argument locations pour pointer sur
cells_title(groups = "title"). Voici comment vous pourriez
le faire :
t9 <- t7 %>%
tab_style(
style = cell_fill(color = "#ffffff"),
locations = cells_title(groups = "title")
)
t9Dans ce code, cell_fill(color = "#ffffff") change la
couleur de fond en blanc, et
locations = cells_title(groups = "title") applique ce
changement spécifiquement au titre du tableau.
Question 3 : Polices et Texte Quel extrait de code R
permet de changer la taille de la police du texte de bas de page dans un
tableau {gt} ?
Dans {gt}, il est également possible de dessiner des
bordures dans les tableaux pour aider l’utilisateur final à se
concentrer sur une zone spécifique du tableau. Pour ajouter des bordures
à un tableau {gt}, nous utiliserons, encore une fois, la
fonction tab_style et, encore une fois, spécifierons
l’argument style et locations. La seule différence maintenant est que
nous utiliserons la fonction d’assistance cell_borders et
l’assignerons à l’argument de style. Voici comment :
Ajoutons d’abord une ligne verticale :
t10 <- t8 %>%
tab_style(
style = cell_borders( # nous ajoutons une bordure
sides = "left", # à gauche de l'emplacement sélectionné
color = "#45785e", # avec une couleur vert foncé
weight = px(5) # et cinq pixels d'épaisseur
),
locations = cells_body(columns = 2) # ajouter cette ligne de bordure à gauche de la colonne 2
)
t10| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Maintenant, ajoutons une autre ligne de bordure horizontale rose :
t11 <- t10 %>%
tab_style(
style = cell_borders( # nous ajoutons une bordure
sides = "left", # à gauche de l'emplacement sélectionné
color = "#45785e", # avec une couleur vert foncé
weight = px(5) # et cinq pixels d'épaisseur
),
locations = list(
cells_column_labels(columns = everything()), # ajouter cette ligne de bordure en bas des étiquettes des colonnes
cells_stubhead() # et au stubhead
)
)
t11| HIV Testing in Malawi | ||||
| Q1 to Q2 2019 | ||||
| New tests | Previous tests | |||
|---|---|---|---|---|
| Positive | Negative | Positive | Negative | |
| 2019 Q1 | 6199 | 284694 | 14816 | 6595 |
| 2019 Q2 | 6132 | 282249 | 15101 | 5605 |
| 2019 Q3 | 5907 | 300529 | 15799 | 6491 |
| 2019 Q4 | 5646 | 291622 | 15700 | 6293 |
| Source: Malawi HIV Program | ||||
Question 4 : Bordures Pour ajouter une bordure
pleine autour de la totalité du tableau
{gt}, quel extrait de code R devriez-vous
utiliser ?
Indice : nous pouvons utiliser une fonction qui définit des options
pour l’ensemble du tableau, tout comme la fonction theme
pour le package ggplot.
Pour conclure notre série, nous avons commencé par un récapitulatif
complet de la première partie, posant les bases pour des techniques
avancées de stylisation de tableaux. Nous avons exploré l’utilisation de
la fonction opt_stylize() pour appliquer de manière
élégante des styles et des couleurs prédéfinis, améliorant l’attrait
visuel de nos tableaux. Une partie clé de notre discussion a introduit
la fonction data_color, un outil puissant pour appliquer
des distinctions codées par couleur aux valeurs du tableau, ce qui aide
à une évaluation rapide des données et au suivi visuel. Nous avons
ensuite abordé le formatage conditionnel, en utilisant la fonction
tab_style pour modifier dynamiquement les styles des
cellules en fonction des données qu’elles contiennent, une étape qui
attire l’attention sur les métriques et les tendances critiques. Au-delà
de la fonctionnalité, nous nous sommes concentrés sur l’esthétique avec
gt::tab_style(), montrant comment des polices uniques de
Google Fonts peuvent améliorer considérablement la lisibilité et
l’apparence du texte dans les tableaux. Enfin, nous avons couvert
l’ajout stratégique de bordures en utilisant la fonction
tab_style en conjonction avec la fonction d’assistance
cell_borders, guidant l’attention des utilisateurs sur des
zones spécifiques du tableau et améliorant l’interprétation globale des
données. Chacune de ces techniques contribue à une présentation de
tableau plus engageante et informative, garantissant que les données ne
sont pas seulement accessibles mais également captivantes.
# Les solutions sont là où les lignes sont numérotées
# Calculer le résumé total_new_pos
total_summary <- hiv_malawi %>%
group_by(region) %>% ##1
summarize(total_new_positive = new_positive) ##2
# Créer un tableau gt et appliquer la coloration des cellules
summary_table <- total_summary %>%
gt() %>% ##3
tab_style(
style = cell_fill(color = "red"),
locations = cells_body( ##4
columns = "new_positive",
rows = new_positive >= 50 ##5
)
) %>%
tab_style(
style = cell_fill(color = "green"), ##6
locations = cells_body(
columns = "new_positive",
rows = new_positive < 50 ##7
)
)Les membres de l’équipe suivants ont contribué à cette leçon :
Le guide définitif de {gt} par Tom Mock : https://themockup.blog/static/resources/gt-cookbook.html#introduction
L’article sur la Grammaire des Tableaux : https://themockup.blog/posts/2020-05-16-gt-a-grammar-of-tables/#add-titles
Page de documentation officielle de {gt} : https://gt.rstudio.com/articles/intro-creating-gt-tables.html
Créer une table HTML impressionnante avec le livre knitr::kable et kableExtra par Hao Zhu : https://cran.r-project.org/web/packages/kableExtra/vignettes/awesome_table_in_html.html#Overview
Le package {gt} en R fournit une variété de fonctions
pour spécifier les emplacements dans un tableau où certains styles ou
mises en forme doivent être appliqués. Voici certaines d’entre elles
:
cells_body() : Cette fonction cible les cellules à
l’intérieur du corps du tableau. Vous pouvez spécifier davantage les
lignes et les colonnes pour cibler un sous-ensemble du corps.
cells_column_labels() : Cette fonction cible les
cellules qui contiennent les étiquettes des colonnes.
cells_column_spanners() : Cette fonction cible les
cellules qui s’étendent sur plusieurs colonnes.
cells_footnotes() : Cette fonction cible les
cellules qui contiennent des notes de bas de page.
cells_grand_summary() : Cette fonction cible les
cellules qui contiennent les lignes de grand résumé.
cells_group() : Cette fonction cible les cellules
qui contiennent les lignes d’étiquettes de groupe.
cells_row_groups() : Cette fonction cible les
cellules qui contiennent les lignes d’étiquettes de groupes de
lignes.
cells_source_notes() : Cette fonction cible les
cellules qui contiennent les notes sources.
cells_stub() : Cette fonction cible les cellules
dans le talon du tableau (les étiquettes dans la première colonne du
tableau).
cells_stubhead() : Cette fonction cible la cellule
qui contient l’en-tête du talon.
cells_stub_summary() : Cette fonction cible les
cellules qui contiennent les lignes de résumé du talon.
cells_title() : Cette fonction cible les cellules
qui contiennent le titre et le sous-titre du tableau.
cells_summary() : Cette fonction cible les cellules
qui contiennent les lignes de résumé.
Ces fonctions peuvent être utilisées dans l’argument
locations de la fonction tab_style() pour
appliquer des styles spécifiques à différentes parties du tableau.
```